基于快速离散曲波变换的图像去噪

基于小波变换的图像去噪算法研究与应用一、引言图像去噪是图像处理领域的重要问题，随着数字图像处理技术的发展与应用，对图像的去噪要求越来越高。

因此，在图像领域中，图像去噪一直是研究的热点之一。

二、小波变换小波变换是一种信号处理方法，可以用于信号的压缩、去噪、特征提取等。

小波变换通过分析信号中的局部细节信息，可以将信号分解为不同频率的子带，从而更好地处理信号中的各个部分。

三、小波变换在图像去噪中的应用1.小波阈值去噪法小波阈值去噪法是一种基于小波分解的图像去噪方法，该方法通过分解图像为不同频率的小波子带，再对各自的子带进行去噪处理，最后将各子带结果合成为一张图像。

该方法的核心在于确定小波子带的阈值，目前常用的方法有软阈值和硬阈值两种。

软阈值和硬阈值的区别在于，软阈值会使小于阈值的子带信号变为0，但不会对大于阈值的信号做限制；硬阈值和软阈值类似，只是会使小于阈值的子带信号全部变为0。

2.双阈值小波去噪法双阈值小波去噪法是一种基于小波变换的两阶段去噪方法，该方法首先通过小波分解将图像分解为不同频率的小波子带，然后采用两个阈值对各子带进行去噪处理，其中一个阈值用于对高频子带进行去噪，另一个阈值用于对低频子带进行去噪。

该方法的主要优点在于，可以有效地去除噪声的同时，尽可能地保留图像中的细节和纹理信息。

四、实验分析与结果本文选择了几组不同的噪声图像进行去噪处理，将分别采用小波阈值去噪法和双阈值小波去噪法进行实验处理。

实验结果表明，采用小波阈值去噪法能够显著地去除高斯噪声和椒盐噪声；双阈值小波去噪法在去除图像噪声的同时，能够有效地保留图像中的细节信息。

五、结论小波变换是一种重要的信号处理方法，在图像去噪方面得到了广泛的应用。

通过实验对比，小波阈值去噪法和双阈值小波去噪法均能达到不错的去噪效果，可根据不同的噪声类型和噪声强度进行选择和应用。

未来，小波变换方法预计将得到更广泛的应用，为图像处理及相关领域的研究提供更有力的工具和技术。

基于 Curvelet 变换和均值滤波的图像去噪方法陈木生【摘要】The purpose of this paper is to study a method of de-noising of images corrupted with additive white Gaussian noise.Firstly,the noisy image is decomposed into many levels to obtain different frequency sub-bands by Curvelet transform.Secondly,the threshold estimation and the weighted average method are used to remove the noisy coefficients according to generalized Gaussian distribution modeling of sub-band coefficients.Ultimately,invert the multi-scale decomposition to re-construct the de-noised image.Here,to prove the performance of the proposed method,the results are compared with other existent algorithms such as hard and soft threshold based on wavelet.The simulation results on several testing images indicate that the proposed method outperforms the other methods in peak signal to noise ratio and keeps better visual in edges information reservation as well. The results also suggest that Curvelet transform can achieve a better performance than the wavelet transform in image de-noising.%针对图像中的高斯噪声干扰，提出一种改进的图像去噪方法。

基于 UDCT 的改进双变量模型图像去噪
杨兴明;牛坡礼
【期刊名称】《合肥工业大学学报（自然科学版）》
【年(卷),期】2015(000)003
【摘要】文章通过对均匀离散曲波变换（U DC T ）域中小波系数统计特性的研究，针对传统双变量模型未考虑空间聚集性的不足，提出了一种新的双变量模型去噪算法。

首先在双变量模型的基础上采用了蒙特卡洛方法估计各子带的噪声方差；然后引入邻域模型，通过调整邻域窗的大小估计相应窗口内小波系数的度量方差，得到初始化图像；最后以初始化图像和原噪声图像为先验信息，推导出改进的双变量模型来处理原噪声图像，且以对称K‐L散度和最大迭代次数为收敛条件，得到最终
去噪图像。

实验结果证明了该算法的有效性。

【总页数】6页(P345-350)
【作者】杨兴明;牛坡礼
【作者单位】合肥工业大学计算机与信息学院，安徽合肥 230009;合肥工业大学
计算机与信息学院，安徽合肥 230009
【正文语种】中文
【中图分类】TP751.1
【相关文献】
1.基于连分式的广义高斯模型 UDCT贝叶斯图像去噪 [J], 杨兴明;牛坡礼
2.基于PDTDFB变换域各向异性双变量模型和非局部均值滤波的图像去噪方法 [J],
吴建宁;石满红;兴志
3.一种改进的双变量收缩模型图像去噪 [J], 李向军;姜玉莉
4.基于UDCT系数的改进HMT和在图像去噪中应用 [J], 杨兴明;陈海燕;王刚;王彬彬;赵银平
5.改进的基于小波双变量模型的图像去噪算法 [J], 侯建华;熊承义;田金文;柳健因版权原因，仅展示原文概要，查看原文内容请购买。